基于一维深度卷积生成对抗网络的钢轨波磨识别方法

实际工程中钢轨波磨数据难以大量获取，无法构建庞大数据集进行智能诊断模型训练。针对这一问题，本文提出了一种基于一维深度卷积生成对抗网络的钢轨波磨识别方法。首先使用一维生成对抗网络生成与实际波磨振动信号结构相同的伪样本，对样本信号的数据集进行扩充；然后提取波磨振动信号的时域统计指标作为波磨数据的特征；最后使用分类算法对不同特征的波磨振动数据进行学习与分类。使用实测钢轨波磨振动数据进行试验验证，结果表明：利用本文方法所生成的伪样本数据，在时域、频域以及时域特征指标方面均与真实样本数据基本一致；使用KNN、SVM和DT三种分类模型对波磨数据的特征进行分类和对比，均可较好地进行波磨识别。